研究課題
基盤研究(C)
ハマカー定数のハイスループット算定を実現するための機械学習モデルを構築した。各種フィンガープリントを説明変数として、ハマカー定数を目的変数として直接回帰する機械学習モデル(直接モデル)は、ブラックボックス的であり、その予測性能改善の方針を立てづらい。分子理論に基づき、ハマカー定数を構成する種々の分光パラメータの機械学習モデルに還元し、それらを統合することで、直接モデルの予測性能を改善できた。
材料工学
近年、第一原理計算を活用した「マテリアルズ・インフォマティクス(MI)」研究が急速に進展している。MI研究の主流は機械学習に基づく物性予測・探索だが、対象物性は電子物性とフォノン物性に限定される。本研究は分子理論と第一原理計算を活用して、液体プロセス設計に重要なハマカー定数の算定にMIを導入する初の試みである。従来のMI研究を超え、材料プロセス設計分野にMI研究を拡げるという波及をもたらす。
